典型文献
PSO优化BP神经网络模型在医疗设备故障识别中的应用
文献摘要：
目的 提出一种粒子群算法优化后的BP神经网络模型,为呼吸机监测数据和呼吸机故障建立潜在映射关系,从而为呼吸机维修和预防性维护提供参考.方法 介绍了BP神经网络模型、粒子群优化算法以及粒子群算法结合BP神经网络结模型的建立过程,使用2017年1月1日至2020年12月31日我院采集的某型号呼吸机运行数据作为研究对象,按照6:4的比例随机将故障数据集划分为训练集(246条)和测试集(164条),分别使用训练集和测试集对BP神经网络模型和粒子群算法优化后的BP神经网络模型进行训练和测试,并使用准确率、AUC值、灵敏度、特异性作为模型评判指标.结果 训练后的粒子群优化的BP神经网络模型对测试集故障数据模式识别的准确率、AUC值、灵敏度、特异性分别为0.921、0.811、0.923、0.942;相对于K-NN、NBC、SVM以及BP模型,PSO-BP神经网络模型准确率分别提高了10.4％、11.0％、5.2％和9.7％,提高效果显著(P<0.05);AUC值、灵敏度和特异性在一定程度上得到了提高.结论 本文提出的粒子群算法优化后的BP神经网络模型对故障预测效果良好,可为呼吸机故障诊断和预防性维护提供新的思路.
文献关键词：
粒子群算法;BP神经网络;故障预测;呼吸机
中图分类号：
作者姓名：
罗旭
作者机构：
泰州市第二人民医院医学工程部,江苏泰州 225500
文献出处：
引用格式：
[1]罗旭-.PSO优化BP神经网络模型在医疗设备故障识别中的应用)[J].中国医疗设备,2022(12):49-52,57
A类：
B类：
PSO,医疗设备,设备故障,故障识别,粒子群算法,算法优化,映射关系,呼吸机维修,预防性维护,粒子群优化算法,建立过程,我院,机运,运行数据,故障数据,数据集划分,训练集,测试集,评判指标,数据模式,模式识别,NN,NBC,模型准确率,提高效果,上得,故障预测
AB值：
0.25774
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
